什么是图像数据的numpy形状的维度顺序？

Question

我使用nibabellib从nii文件加载数据.我在http://nipy.org/nibabel/gettingstarted.html上阅读了lib的文档,并发现了这一点

无需将任何主图像数据加载到存储器中即可获得该信息.当然,还可以将图像数据作为NumPy阵列访问

这是我的代码加载数据和它的形状

import nibabel as nib
img = nib.load('example.nii')
data = img.get_data()
data = np.squeeze(data)
data = np.copy(data, order="C")
print data.shape

我得到了结果

128, 128, 64

什么是数据形状的顺序？是WidthxHeightxDepth吗？我的意见必须安排为depth, height, width.所以我会用input=data.transpose(2,0,1).这样对吗？谢谢大家

更新:我发现Numpy将按顺序读取图像Height x Width x Depth作为参考http://www.python-course.eu/images/axis.jpeg

Answer 1

好的,这是我的看法:

使用时scipy.ndimage.imread('img.jpg', mode='RGB'),生成的数组将始终具有以下顺序:(H, W, D)即(高度,宽度,深度),因为numpy用于ndarray的术语(axis=0, axis=1, axis=2)或类似的,(Y, X, Z)如果想要在3维中可视化.

# read image
In [21]: img = scipy.ndimage.imread('suza.jpg', mode='RGB')

# image shape as (H, W, D)
In [22]: img.shape
Out[22]: (634, 1366, 3)

# transpose to shape as (D, H, W)
In [23]: tr_img = img.transpose((-1, 0, 1))    

In [23]: tr_img.shape
Out[23]: (3, 634, 1366)

如果你认为img_shape是一个元组,

#  index    (0,   1,    2)
img_shape = (634, 1366, 3)
# or index  (-3,  -2,  -1)

选择哪一种方便您记忆.

PS:还应该注意像tensorflow这样的库也(几乎)遵循与numpy相同的约定.

tf.image_decode_jpeg() 返回:

uint8类型的张量.3-D形状[height, width, channels]